用于去偏非随机缺失显式反馈的非对称三训练方法

在大多数真实世界的推荐系统中，观测到的评分数据受选择偏差影响，因此数据是非随机缺失的。开发一种方法来促进利用有偏反馈学习推荐模型是最具挑战性的问题之一，因为众所周知，在选择偏差下的朴素方法常导致次优结果。该问题的一个成熟解决方案是使用倾向评分技术。倾向评分是每条数据被观测到的概率，通过用其倾向的倒数对每条数据加权，可以实现无偏性能估计。然而，基于倾向的无偏估计方法的性能常受倾向估计模型的选择或高方差问题的影响。为克服这些局限，我们提出一种受用于无监督域适应的非对称三训练框架启发的模型无关元学习方法。所提方法利用两个预测器生成具有可靠伪评分的数据，并利用另一个预测器进行最终预测。在理论分析中，推导了真实性能度量的与倾向无关的上界，并证明所提方法能最小化该上界。我们使用公开真实世界数据集进行了综合实验。结果表明，先前的基于倾向的方法在很大程度上受倾向模型选择和逆倾向加权引起的方差问题的影响。此外，我们表明所提元学习方法对这些问题是鲁棒的，并有助于从有偏显式反馈中开发有效的推荐。